基于比较概率度量的风险调整学习曲线评估
统计方法学
2025-01-22 v1 应用统计
摘要
手术学习曲线是图形化工具，用于评估医师在职业早期阶段的进步，并确定其在完成指定手术数量后是否达到了熟练程度。累积和 (CUSUM) 技术因其简单性而常用于评估学习曲线，但因依赖固定绩效阈值且缺乏可解释性而受到批评。本文引入一种风险调整的手术学习曲线评估 (SLCA) 方法，侧重于估计而非假设检验，如 CUSUM 方法所见。该方法旨在适应右偏结果，如手术持续时间，其特征为 Weibull 分布。为评估学习过程，SLCA 方法估计比较概率度量，以评估医师绩效与标准之间的临床重要差异的可能性。期望随时间改善，我们使用加权估计方程对最近结果赋予更大权重。与 CUSUM 方法相比，SLCA 在可解释性方面更佳，避免依赖外部定义的绩效水平，并强调评估临床等效性或非劣性。我们通过结直肠手术数据集案例研究和数值研究展示了该方法的有效性。
关键词
引用
@article{arxiv.2501.11637,
title = {Risk-Adjusted learning curve assessment using comparative probability metrics},
author = {Adel Ahmadi Nadi and Stefan Steiner and Nathaniel Stevens},
journal= {arXiv preprint arXiv:2501.11637},
year = {2025}
}